Mattermost — рабочая комната для людей и ИИ-агентов

Mattermost — это открытая (open source) платформа для командной работы, которую вы разворачиваете на своём сервере: чат в каналах и тредах, автоматизация процессов, звонки, интеграции и AI-агенты. Всё общение и данные остаются под вашим контролем, за вашим файрволом.

Что это такое

Mattermost — self-hosted платформа для коммуникации и совместной работы. Ядро написано на Go и React, ставится как один Linux-бинарник и работает поверх PostgreSQL. Открытая часть выходит под лицензией MIT, новая сборка публикуется каждый месяц.

Проект развивается как open core: базовый функционал открыт и бесплатен, а часть корпоративных возможностей доступна в платных редакциях. Исторически Mattermost ориентирован на команды, которым нужна открытая и настраиваемая среда: разработка, DevOps, госсектор, инфраструктура с повышенными требованиями к безопасности.

Главное отличие от облачных мессенджеров — данные живут на вашем сервере. Вы получаете полный доступ к исходникам, контроль над хранением и возможность встроить платформу в свой контур.

Возможности

Редакции и лицензия

У Mattermost несколько редакций. Ключевое для самостоятельного развёртывания — понимать лимиты бесплатных вариантов, потому что они менялись со временем.

Развёртывание и требования

Для продакшена официально поддерживается Linux. macOS и Windows — только для тестов и разработки.

Способы установки:

• Tarball на любой 64-битный Linux — классический production-путь.
• Docker и Docker Compose — быстрый старт и оценка; для боевого использования подходит с оговорками.
• Kubernetes — рекомендуемый вариант для High Availability (автофейловер, общее хранилище, балансировка).

Что нужно:

• PostgreSQL v14+ как база данных (MySQL больше не в приоритете).
• Обратный прокси и TLS-сертификат перед Mattermost. Для бесплатных автоматических сертификатов подойдёт Let's Encrypt через Certbot.
• Железо: официальный минимум — 1 vCPU и 2 ГБ RAM (до 1000 пользователей), от 10 ГБ диска; для нагруженных инсталляций берите больше.

Быстрый старт через Docker выглядит так: клонируете официальный репозиторий mattermost/docker с готовым docker-compose, поднимаете контейнеры, открываете http://<сервер>:8065/ и создаёте первый аккаунт-администратор.

# Проверяем, что Docker и Compose установлены
docker --version
docker compose version

Интеграции и подключение

Это самая сильная сторона Mattermost: платформа расширяется практически бесконечно.

Боты и токены. Боты работают с REST API через персональные access-токены (personal access tokens). Бот-аккаунт похож на пользовательский, но в него нельзя залогиниться и он не может создавать других ботов. В Enterprise боты не считаются за лицензированных пользователей.

Официальные драйверы упрощают работу с API:

• JavaScript/TypeScript — пакет @mattermost/client в npm.
• Go — официальный драйвер в исходниках Mattermost.

CLI mmctl позволяет администрировать сервер из терминала — например, создать входящий webhook, привязанный к бот-аккаунту:

mmctl webhook create-incoming --channel <channel-id> --user <bot-user-id>

Из коробки есть готовые интеграции с Jira, GitLab, ServiceNow, PagerDuty, Jenkins, Prometheus и Grafana.

AI-агенты в Mattermost

Отдельный плагин Mattermost Agents превращает платформу в среду с ИИ. Доступен на редакциях Entry, Professional, Enterprise и Enterprise Advanced.

Что умеет:

• Несколько ассистентов с разными ролями и настройками.
• Саммари длинных тредов, непрочитанных каналов и записей звонков.
• Извлечение задач и решений из обсуждений.
• Семантический поиск по рабочему пространству на естественном языке.
• Прямые диалоги с ассистентом в отдельных каналах.

Ключевое для тех, кто следит за приватностью данных: бэкенд LLM не привязан к одному провайдеру. Можно подключить локальные модели (Ollama, vLLM), облачные (OpenAI, Anthropic, Azure) или любой OpenAI-совместимый API, и переключать их в системной консоли. Локальные модели держат данные внутри вашего контура.

Как я начал использовать Mattermost

Дальше — мой практический сценарий. У меня Mattermost работает не заменой Slack, Telegram, Linear или Notion, а оперативным слоем: место, где люди и AI-агенты общаются в тредах, а результат остаётся связанным с рабочими инструментами.

Роль в моей системе

У меня развёрнут self-host Mattermost на своём домене, с отдельными каналами для Codex, интеграций, экспериментов и рабочих тредов. Логика распределения такая:

Mattermost = разговор и треды
Codex      = агент, который помогает думать, проверять и выполнять
Linear     = очередь задач и статус исполнения
Notion     = база знаний и человеческое объяснение
GitHub     = код, PR, Actions и история изменений

Codex удобен как точка входа в работу, но ему нужен понятный контекст: кто просит, какая задача, где источник правды и куда вернуть результат. Mattermost даёт для этого простую оболочку — задача начинается в треде, агент отвечает туда же, человек видит весь ход работы, а ссылки на Linear, Notion и GitHub остаются рядом.

Роли участников

• Человек формулирует задачу, принимает решения и даёт approval на рискованные действия: production, secrets, billing, DNS, deploy, доступы, живые данные.
• Codex помогает с preflight, планированием, проверками, подготовкой рабочих пакетов, документацией и аккуратным выполнением в разрешённом контуре.
• Другие агенты (например, Claude Code) подключаются как отдельные исполнители. Для задач с кодом предпочтительный путь — через GitHub issue, PR или Actions, чтобы сохранялись diff, checks и review.

Типовые сценарии

1. Быстрый preflight. В треде: @codex сделай preflight по этому репозиторию и скажи следующий безопасный шаг. Codex проверяет контекст, ничего не меняя, и возвращает короткий отчёт.
2. Рабочий пакет. Codex превращает идею в mini-PRD, Work Packet или набор задач в Linear.
3. Передача в GitHub Actions. Если задача должна завершиться PR, Codex готовит handoff в GitHub, дальше работает Claude Code или другой агент, а результат возвращается ссылкой в тред.
4. Инцидент или деплой. Тред становится оперативным журналом: что случилось, кто проверил, какие команды выполнены, где rollback, что осталось.

Шаблон команды агенту

@codex
task: preflight
repo: <repo>
mode: read-only
scope: <что проверить>
return: короткий отчёт в этот тред
stop-lines: не менять файлы, не трогать production, не читать secrets

Правила безопасности

Чат с агентами — это удобно и опасно одновременно. Мои базовые правила:

• Mattermost не получает полный доступ к shell.
• У каждого агента отдельная identity.
• Команды исполняются только через bridge с allowlist пользователей, каналов, команд и репозиториев.
• Любое действие с production, secrets, DNS, billing, deploy или живыми данными требует явного approval человека.
• Raw secrets не пишутся в Mattermost, Notion, Linear, GitHub issues или публичные документы.
• Агент не передаёт задачу другому агенту бесконечно, без участия человека.

Чем это отличается от Slack и Telegram

• Slack — облако и подписка за пользователя; данные на чужих серверах. Mattermost вы держите у себя, платите за инфраструктуру, а не за каждого человека, и можете дорабатывать под себя.
• Telegram: отличный личный и публичный мессенджер, но в нём нет рабочего контура с каналами-командами, ролями и серверными интеграциями под вашим контролем. Telegram у меня служит быстрым интерфейсом, а Mattermost — диспетчерской для совместной работы людей и агентов.

Ссылки

• Официальный сайт: mattermost.com
• Документация: docs.mattermost.com
• Тарифы и редакции: mattermost.com/pricing
• Исходники на GitHub: github.com/mattermost/mattermost
• Установка через Docker: github.com/mattermost/docker
• API для разработчиков: api.mattermost.com
• Плагин Agents: github.com/mattermost/mattermost-plugin-agents

По теме

• Статья: Codex, Саркис и два месяца боли: как я наконец-то собрал рабочую инфраструктуру ИИ-агентов
• Блог: Люди + агенты в одном чате: как мы собрали рабочий контур в Telegram
• База знаний: Telegram как рабочий интерфейс, а не просто мессенджер

Если вы уже собираете команду из людей и агентов и упираетесь в то, что переписка живёт в личных чатах, а результат теряется — рабочая комната вроде Mattermost помогает свести всё в один проверяемый контур.

Если захотите обсудить, как это применить у себя или в команде — пишите в Telegram @pimenov